文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于数据重构与AIOps的硬件设备运维的研究与应用

王垚,陈万亿,许俊渊,聂开勋

(浙江浙能数字科技有限公司,浙江 杭州 310012)

栏目:计算机技术 · 第 2025 年第 12 期 · 页码:101-109 · 2096-4706(2025)12-0101-09 · 中图分类号:TP393;TP311 · 文献标识码:A · DOI:10.19850/j.cnki.2096-4706.2025.12.020

摘要

AIOps(智能运维)作为结合机器学习和数据分析的技术,已在提升IT运维效率和决策质量方面展现出巨大潜力。然而,目前业界对于IT硬件设备的运维关注度较低,大多数实践仅停留在基础监控层面,导致AIOps在硬件设备运维领域的应用仍有较大提升空间。针对IT硬件设备运维力度的不足,文章提出一种提升硬件设备数据质量和数量的方案,以支持AIOps的有效实施并保障业务系统的稳定运行。通过重构硬件设备的运维数据结构,设计出新的数据结构和自动化流程,实现硬件设备的自动发现与数据采集。同时,应用弱分类投票器进行异常检测并利用预测模型提升数据预测的准确性。在浙能集团数据中心的实践中,该方法显著提高硬件设备相关数据的质量和运维效率,增强业务系统的稳定性和数据中心的运营可持续性。研究结果为AIOps在硬件设备运维中的进一步发展提供新的思路与解决方案。

关键词

智能运维;资产数据重构;异常检测;时序数据预测;数据采集;设备自动发现

参考文献

  1. [1] 韩晓光,王若松,唐进才.新时代下IT运维管理体系研究与实践 [J].中国传媒科技,2024(6):150-155.
  2. [2] 李乐成,胡雅菲.信息系统运维管理体系的探讨 [J].信息通信,2019(8):104-106.
  3. [3] 卢士达,康恺,刘帅华,等.基于深度神经网络的异常检测算法在国网上海公司AIOps中的应用 [J].微型电脑应用,2024,40(5):231-233.
  4. [4] 郑仕辉.交通银行的智能运维(AIOps)实践 [J].金融电子化,2019(1):46.
  5. [5] 程鹏.AIOps智能运维在中国工商银行的探索与实践 [J].中国金融电脑,2021(5):68-71.
  6. [6] 王新东,王一大,庞国际,等.智能运维(AIOps)在中国联通分布式架构下的研究与应用 [J].电信工程技术与标准化,2021,34(1):48-54.
  7. [7] LI Y,JIANG Z M J,LI H,et al. Predicting Node Failures in an Ultra-Large-Scale Cloud Computing Platform [J].ACM Transactions on Software Engineering and Methodology(TOSEM).New York:Association for Computing Machinery,2020:1-24.
  8. [8] BRENNER M,GILLMEISTER M. Designing CMDB Data Models with Good Utility and Limited Complexity [C]//IEEE Network Operations and Management Symposium(NOMS).Krakow:IEEE,2014:1-15.
  9. [9] 高宇.基于云原生的拓扑服务系统的设计与实现 [D].四川:西南交通大学,2019.
  10. [10] VALLI L N,SUJATHA E,RATHINAM J. A Study on Deep Learning Frameworks to Understand the Real Time Fault Detection and Diagnosis in IT Operations with Aiops [C]//2023 International Conference on Evolutionary Algorithms and Soft Computing Techniques(EASCT).Bengaluru:IEEE,2023:1-6.
  11. [11] 黄伟.基于机器学习的AIOps技术研究 [D].北京:北京交通大学,2019.
  12. [12] 曹伟.基于多维特征提取和XGBoost的KPI异常检测 [D].辽宁:大连海事大学,2020.
  13. [13] REN H,XU B,WANG Y,et al. Time-Series Anomaly Detection Service at Microsoft [C]//Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining.New York:ACM,2019:3009-3017.
  14. [14] MEHRA P,AHUJA M S,AERI M. Time Series Anomaly Detection System with Linear Neural Network and Autoencoder [C]//2023 International Conference on Device Intelligence,Computing and Communication Technologies (DICCT).Dehradun:IEEE,2023:659-662.
  15. [15] ROUKERD F R,RAJABI M M. Anomaly Detection in Groundwater Monitoring Data Using LSTM-Autoencoder Neural Networks [J/OL].Environmental Monitoring and Sssessment,2024,196(8):692[2025-06-04].https://link.springer.com/article/10.1007/s10661-024-12848-z.
  16. [16] LI Z,ZHAO Y,BOTTA N,et al. COPOD: Copula-Based Outlier Detection [C]//2020 IEEE International Conference on Data Mining (ICDM).Sorrento:IEEE,2021:1118-1123.
  17. [17] LI Z,ZHAO Y,HU X,et al. Ecod: Unsupervised Outlier Detection Using Empirical Cumulative Distribution Functions [J].IEEE Transactions on Automatic Control,2023,35(12):12181-12193.
  18. [18] LIU F T,TING K M,ZHOU Z H. Isolation-Based Anomaly Detection [J].ACM Transactions on Knowledge Discovery from Data,2012,6(1):1-39.
  19. [19] WINTERS P R. Forecasting Sales by Exponentially Weighted Moving Averages [J].Management Ence,1976,6(3):324-342.

作者简介

王垚(1997—),女,汉族,山东青岛人,运维开发工程师,硕士,研究方向:机器学习、智能运维;陈万亿(1998—),男,汉族,浙江温州人,运维开发工程师,硕士,研究方向:智能运维、人工智能;许俊渊(1987—),男,汉族,浙江杭州人,副高级工程师,本科,研究方向:云平台及网络安全;聂开勋(1989—),男,彝族,贵州贵阳人,运营监控团队负责人,学士学位,研究方向:AIOPS、智能运维。